写在前面

在前面的文章《ceRNA群体竞争怎样才能“入会”？​》​中，基于多种数据源，ceRNA群体竞争的“入会”条件主要有以下3条：

i) 竞争群体RNA之间要充分共享miRNAs（也就是竞争群体之间要有许多共同目标）。ii) 竞争群体RNA之间要正相关（也就是竞争群体之间关系密切）。iii) 共享miRNAs前提条件下，竞争群体RNA之间的正相关关系波动很大（也就是共同目标能够很大程度上影响竞争群体之间的密切关系）。

那么，如何检测ceRNA群体竞争是否满足上述3个条件呢？不妨试一试R工具包miRSM（图1）。miRSM可以同时检测上述3个条件是否满足预设要求。刚开始，本来想将miRSM的基本功能整合到R工具包miRspongeR里面（ceRNA工具包之miRspongeR），但是这样会失去从多种数据源中识别ceRNA模块的特点。毕竟，miRspongeR识别ceRNA模块仅仅停留在ceRNA网络层次。 

图1 R/Bioconductor工具包miRSM

动机

已有方法识别ceRNA模块主要基于ceRNA网络，从多种数据源中识别ceRNA模块处于空白。为了将LMSM方法（只能识别长链非编码RNA关联的ceRNA模块，如图2）普遍化，miRSM工具包应运而生（图3）。 

图2 LMSM方法论文

图3 R/Bioconductor工具包miRSM论文

架构

如图4，miRSM架构主要分为三个部分：基因共表达模块识别（Inferring RNA1-RNA2 co-expression modules）、ceRNA模块识别（Inferring miRNA sponge modules）和模块化分析（Modular analysis of miRNA sponge modules）。

图4 R/Bioconductor工具包miRSM架构

在基因共表达模块识别部分，miRSM提供了50种方法，分为单向聚类、双向聚类和网络聚类方法三种（图5）。ceRNA模块识别部分，进一步拓展了LMSM方法。模块化分析部分，提供了7种类型的下游分析。至于miRSM工具包的详细用法，可以参考https://bioconductor.org/packages/release/bioc/vignettes/miRSM/inst/doc/miRSM.html自行琢磨。

图5 R/Bioconductor工具包miRSM中50中基因共表达模块识别方法

参考文献：

[1] Zhang, J., Xu, T., Liu, L., Zhang, W., Zhao, C., Li, S., Li, J., Rao, N., & Le, T. D. (2020). LMSM: A modular approach for identifying lncRNA related miRNA sponge modules in breast cancer. PLoS computational biology, 16(4), e1007851. https://doi.org/10.1371/journal.pcbi.1007851

[2] Zhang, J., Liu, L., Xu, T., Zhang, W., Zhao, C., Li, S., Li, J., Rao, N., & Le, T. D. (2021). miRSM: an R package to infer and analyse miRNA sponge modules in heterogeneous data. RNA biology, 1–13. https://doi.org/10.1080/15476286.2021.1905341

更多背景知识如下：

1. ceRNA！你是谁？为了谁？

2. ceRNA漫画，看吗？

3. 什么？ceRNA竞争除了“单挑”模式，还可能有“组队”模式？

4. ceRNA，是与非！

5. 从miRNA海绵到ncRNA海绵：因为“共同语言”

​6. ceRNA个体竞争怎样才能“入会”？​

7. ceRNA群体竞争怎样才能“入会”？​

8. 来来来，一起“撸”ceRNA模块！

9. ceRNA工具包之miRspongeR

10. ceRNA工具包之SPONGE

为了便于交流，我们为ceRNA研究在Frontiers in Molecular Biosciences杂志（ 2020_IF = 5.246）整了个专刊，主题为“Computational Identification of ceRNA Regulation”。投稿链接：https://www.frontiersin.org/research-topics/24340/。